Microsoft представила MAI-Image-1 — собственную модель для генерации изображений, которая теперь доступна в Bing Image Creator и мобильных приложениях Bing. Это первая крупная text-to-image система, полностью созданная внутри Microsoft, без участия OpenAI или сторонних лабораторий.
MAI-Image-1 уже вошла в десятку лучших моделей на LMArena, платформе для сравнительного тестирования генераторов изображений. Модель демонстрирует стабильное качество и точную передачу текстовых описаний, особенно в сценах с несколькими персонажами или сложными композициями, где многие другие ИИ дают сбой.
Главное отличие в оптимизации под голосовые и визуальные ассистенты Microsoft. MAI-Image-1 интегрирована в Copilot Audio Expressions, где она визуализирует истории, описанные голосом пользователя. Таким образом, Copilot теперь может не только рассказать, но и показать рассказ.
Модель построена на усовершенствованной архитектуре Diffusion XL, обучалась на мультиязычном корпусе данных, и поддерживает текстовые запросы на десятках языков. По заявлению Microsoft, MAI-Image-1 станет ядром для всей линейки мультимодальных продуктов компании.
В настоящее время модель доступна во всех регионах, где работают Bing Image Creator и Copilot Labs, кроме стран Европейского союза, там компания ждёт окончательного одобрения регуляторов.
Делегируйте часть рутинных задач вместе с BotHub! Для доступа к сервису не требуется VPN и можно использовать российскую карту. По ссылке вы можете получить 100 000 бесплатных токенов для первых задач и приступить к работе с нейросетями прямо сейчас!
Источник
Источник: habr.com